要如何將旗下集團的消費數據整合在一起，產生廣告綜效與提升電商導購訂單轉化率，恐怕是每一位橫跨多產業領域老闆朝思暮想的事情了。沒問題，透過AI就可以逐步幫您辦到 東森得易購為東森國際集團相關企業，其關係企業包含東森國際、東森新聞雲、東森保代、東森自然美、東森全球行銷、東森寵物雲、Her森森、分眾傳媒與香港草莓網、熊媽媽買菜網等公司。在集團關係企業跨產業、跨領域的情況下，加上各單位會員系統獨立運作，消費者數據無法於集團內互通，讓東森集團「將客戶放在上帝的位置」的承諾難以進一步落實。 東森集團旗下公司涵蓋產業範圍廣泛，會員數據庫龐大而分散。 東森集團具備龐大的會員流量，且已應用AI新聞推薦演算法等相關技術於各場域，東森集團各單位的會員系統獨立運作，消費者數據亦無法於集團內互通，缺乏全面性消費行為分析依據，導致無法提升個人化服務與行銷策略的精準性。 東森集團分析現今零售市場所面臨的挑戰與趨勢時表示，因應消費者需求轉變，非傳統型新商業模式紛紛興起，形成零售破碎化現象。各式新興商業模式提供滿足屬於自己的利基市場的服務或商品，消費者將會減少依賴傳統零售模式。 而零售破碎化現象最明顯可在新興國家觀察到，其以跳躍式的方式發展出新興零售，如高成長的快閃拍賣電商品會威脅傳統 B2B2C電子商務平台市場，新興商業模式快速瓜分傳統零售商場，甚而顛覆既有市場遊戲規則，預計未來零售市場將會繼續向細分發展。 新零售產業快速導入AI應用 迎戰高度競爭市場 在虛實融合趨勢下，實體零售業者與線上電商業者之界線日益模糊化，實體零售業設立品牌購物官網、開發品牌 APP、投入電商平台，另一方面電商業者也開始設立線下實體體驗店，擴大與客戶的接觸。為提升營運流程自動化程度以及達成顧客體驗個性化之目標，兩者皆透過線下與線上串接探索消費者數據輪廓，以 AI機器學習、深度學習、電腦視覺、語言處理、移動控制與推動決策技術為基礎，積極導入智慧零售AI應用，形成新零售產業 。 此外， Google Chrome於 109年宣稱 2年內 關閉 3rd party cookie功能， 零售企業 將無法用Cookie追蹤個人化、理解使用者在各個時間、地點、廣告上的使用，導致跨裝置、跨平台追蹤的公司將被迫轉型，也代表 將面臨巨大流量廣告銷售困難。 因此，東森集團決定導入「OneID AI流量變現服務驗證計畫 」，成立東森集團專屬的數據聯盟，運用「 Unified ID」進行跨產業、跨服務的資料交換。將關係企業由以往的蒐集個人化數據，轉為分析整個產業間消費者會有的相同行為特徵，再將其進行分群，以取得相同行為特徵的使用者，並提供其有興趣的內容。並利用第一方數據與 AI技術提升廣告點擊率，提升廣告商業價值以及電商導購訂單轉化率。 此一計畫的AI技術由東森與華碩電腦共同開發，系統架構主要開發項目包含專案規劃、系統架構設計、系統環境建置、演算法開發、演算模型驗證以及系統驗證等，其應用技術涵蓋大數據平行運算框架、自然語言處理、用戶推薦嵌入系統、相似度搜尋、搜尋引擎索引、點擊率預測等技術。此計畫為研發一個全面的數據收集、加工、整合平台「數據中台」，吸收各種數據源的數據，以用戶為基本單位，形成結構化的數據表，並進行用戶標籤的計算，以期精準描述各用戶的特性。而後利用此數據進行 AI精準廣告投放。nbsp 東森數據中台架構圖 東森導入OneID AI流量變現服務 預估成本效益可達2倍 東森表示，本計畫主要核心應用到「用戶行為數據」及「AI技術」兩塊，其中用戶行為數據為東森集團提供；AI技術則由公司團隊與華碩團隊共同開發，涵蓋AD Serve系統、精準受眾估計系統、AI自動優化系統、廣告效果分析系統、用戶畫像系統等。而東森與華碩共同開發與華碩共同開發AI技術，其各客戶數據與流量獨立不互通。 根據估算，此開發計畫總成本效益可達200，預期可明確掌握用戶數位軌跡，行為與輪廓之效益，將可帶來客戶終身價值LTV的大幅成長，有效整合東森線上線下，提升會員服務內涵，並大大增加企業價值。 未來，東森集團將持續拓增國際市場，目前鎖定中國大陸作為主要推廣市場，將整個服務模組，以東森全球的營運模式，拓展到全世界華人市場，並於兼顧GDPA compliance 的條件下，再結合草莓網，將東森新零售服務以大數據及AI的優勢，服務面向全世界。 東森集團將透過草莓網將服務與技術擴增至全球市場。

搭上AI列車，資服業者借助深厚的產業基礎，不僅自己轉型，也協助客戶轉型 成立已超過20年的哈瑪星科技，近年來不斷研發AI技術，並協助產業客戶導入AI。哈瑪星認為，執行一個完整的AI專案，除了AI理論知識、數據分析與模型訓練能力，實務上還需要依據客戶的需求開發數據串接API、建置資料庫、開發前端RWD網頁，甚至還需要考慮到版面設計與使用者體驗 User Experience。這些工作不僅對AI新創業者形成技術門檻，即便對已具規模的業者來說，每個專案反覆投入人力進行類似的功能開發，也難以累積技術經驗、加速業務成長。 機關客戶對於AI仍具備高度客製化之需求 以哈瑪星科技所執行的政府A機關的需求為例，用戶須針對特定管道的不實資訊進行管控，需要平台提供用來訓練模型和預測的數據接入功能，並可以在平台上完成自然語言處理NLP文本分類模型訓練與使用。當模型發現不實資訊時，需要即時透過通訊軟體通報相關負責同仁。而B機關的需求則是希望透過AI模型針對民眾陳情案件進行自動分類，並即時提供陳情民眾或案件承辦人員可參考之歷史案件資訊。儘管專案模式相似 數據接入、模型預測、警示通知，但在個別專案中，仍只能分別進行需求功能開發，無法重複利用既有的程式與模型來加速後續專案的執行。 在深入探討之後，哈瑪星科技發現企業面臨導入AI專案的痛點，包括導入成本高昂、專案時程冗長等，其中，在企業內難以齊備資料科學家、分析師、工程師、設計師等人才，而現階段的專案皆為集中解決特定領域需求，難以重複利用AI模型跨入其他應用領域，同時，因為工具集中在AI專案領域，無法滿足客戶提供整體解決方案。 換言之，在AI技術的落地上，由於AI資服業者往往面臨「人力有限」、「領域限縮」與「工具不足」等困境，致使專案執行成本高昂或時程冗長。這些都是業者們亟需解決的共通性問題。因此，若有一個AI模型應用服務管理平台，將可解決上述困難，不僅能夠快速導入降低成本，還有助於縮短專案時程，提供客戶一站式解決方案。 AI模型應用服務管理平台協助快速完成專案 因此，哈瑪星科技在經濟部工業局AI計畫支持下，進行「AI模型應用服務管理平台AISP研發計畫」，投入研發AISP產品，目的是為了讓AI資服業者能事半功倍地完成AI專案。 AI模型應用服務管理平台提供AI一站式解決方案 透過AISP，AI資服業者可透過既有的模組功能快速組裝數據API介接、模型管理與模型預測結果監控訂閱等需求功能。同時也提供常用的圖形化工具，幫助業者快速設計用戶所需要的互動式圖表或儀表板，有效降低執行專案所需要的人力成本，並縮短解決方案POC或導入時程，加速產業AI落地與擴散。 在產品商模上，短期內將廣邀具備AI專門領域技術的資服業者合作，藉由平台服務解決各類場域需求單位所面臨的AI導入問題，逐步建立平台品牌信賴感。 中期則盼以哈瑪星過往的成功經驗逐步拓展業務市場，聯合多家資服業者建立策略聯盟，針對專門領域可解決更多且廣泛的問題，並提供更多解決方案供場域單位選擇。 平台結合領域專家共同擴展海外市場 長期而言，在建立各項專門領域的AI策略聯盟後，平台將擁有大量針對專門領域的AI解決方案專家，累積大量的專案成功經驗後，哈瑪星科技期望AISP將能與專家業者們攜手合作，共同進軍拓展國際市場。 哈瑪星科技股份有限公司於民國89年延攬多位資深專業經理人及相關領域技術專長人才所組成，致力於軟體技術研發暨服務，並以建構成為國際級軟體公司為目標，積極促成各項跨國產業合作機會。公司在首任總經理的優良領導之下，已快速成長成為臺灣主要軟體公司之一。

2017年，iPhone X的亮相讓提供 Face ID人臉解鎖的3D感測技術成為大熱門，也帶動了3D感測模組中的核心零元件VCSEL的發展。而VCSEL封裝元件入料瑕疵檢測，若透過AI推論模型可解決良率偏低產業難題，提升可靠度達95。 VCSEL技術現階段可被運用於諸多用途和各類終端消費市場，包括機器人、移動設備、監控、無人機，以及ARVR等。VCSEL在需求高速調製功能的應用（例如照相機和生物計量）中堪稱為不錯的解決方案。 VCSEL技術應用層面廣，也可應用於無人機。圖為佐翼科技農用無人機 VCSEL技術應用層面廣 AI技術助攻瑕疵檢測 赫銳特科技表示，VCSEL封裝元件市場也面臨到商業對手強力的削價競爭，需要進一步降低成本提升、產品競爭力，其中一個關鍵的難題就是將玻璃透鏡更換為環氧樹脂型透鏡。傳統玻璃透鏡的生產良率高，但成本較環氧樹脂透鏡高，因環氧樹脂經切割製程，側壁切割道上容易會有毛邊，造成尺寸過大，容易在打件時因為受熱而產生的應力釋放，將會直接導致光學透鏡破裂。 赫銳特科技指出，VCSEL環氧樹脂透鏡的入料檢測十分重要，在封裝空間的限制下，封裝與光學透鏡貼合的空間有限，且此光學透鏡會被侷限於一金屬框架內，若是沒有控管好尺寸公差，很容易在打件時因為受熱而產生的應力釋放會直接導致光學透鏡破裂，造成VCSEL封裝可靠度驗證良率損失最高達到10，造成生產成本增加。 為解決上述問題，赫銳特科技希望在VCSEL環氧樹脂透鏡的入料階段，可以藉由AI影像監控環氧樹脂元件的尺寸及外觀瑕疵，確認其尺寸是否合乎規格、切割邊緣是否平整、外觀是否瑕疵等。由於傳統的入料檢測，經通過大略的人眼目檢分辨好壞，為順利收集影像數據，首先需要解決影像蒐集的問題。 因此，赫銳特科技首先建立自動光學檢測裝置Automated Optical Inspection，AOI，自動光學檢測裝置包含X、Y、Z三軸動及高解析相機，及相關控制軟體自動記錄影像。蒐集完成後的影像資料，經opencv將測試影像Test與一標準正常影像Normal，進行影像對位後取出Test與Normal影像的差異部分，並可經由Pixel Mapping計算影像的像素面積進行比較完成初步篩檢。 承上之影像分類，進行手動標籤標示包含：正常、外觀瑕疵或形狀特徵差異之樣品，後進行演算法訓練與驗證，使用深度殘差網絡Residual neural network ResNet或其他相關演算法進行深度學習，以辨識出透鏡的優劣情形。 導入AOI檢測 提升產能效率達20以上 比較導入AI影像檢測的前後差異，導入前的VCSEL入料透鏡檢測，僅透過簡易的人工外觀檢測，將透鏡封裝在已固晶的VCSEL封裝體上，通過一般點亮檢測後，最後進行可靠度測試高溫回焊，失效樣品進再入重工流程。 但在導入AOI檢測之後，可提前將有問題的透鏡篩選出來，除了可以降低後續物料投入的成本，亦可減少失效情形降低重工的需要，因而提升可靠度驗證良率達95以上，預期可協助場域業者降低生產成本達10，提高產能效率達20以上。 導入AI影像檢測的前後之差異 赫銳特科技指出，這項技術是基於微小影像開發的AI應用技術，透過深度學習演算法辨識影像瑕疵，用來辨識瑕疵影像。而訓練後的網路來自動分類對應於預定類別的影像數據。透過參考影像就能辨識缺陷類別，因此不再需要繁瑣的編程。 而在工業機器視覺環境中，深度學習主要用於應用中的分類任務，例如在工業產品的檢驗或零件的辨識，未來隨著IOT穿戴裝置的發展，符合節能省電的潮流議題，光電元件尺寸將不斷的縮小，本技術未來也可應用在其他微小光電元件的外觀瑕疵檢測。